你是不是也想在工作中用 AI 做点什么?如果暂时没思路,可以看看我最近几个月做的 3 个 AI 应用,已经在使用了,效果不错。这三个应用都是通过美团的大象机器人实现用户触达。下面一起来看它们的功能和实现思路。
一:常见业务问题排查助手
我在美团 Keeta 负责外卖出海业务的 C 端用户营销。平时要处理客服反馈的问题,比如:“为什么这个用户看不到膨胀券?”、“买的券包怎么不能用了?”
开发人员排查一个问题需要一定时间,而每天遇到的案例又高度相似,效率较低。通过分析发现,这些问题大致分为两类:一类需要查 logcenter 日志定位,一类需要跨多张表关联排查。
于是我借助 AI 开发了一个常见业务问题排查助手。它是一个 agent(智能体),挂载了多个工作流,每个工作流负责处理一类问题。
你可能会问:一个 agent 挂了多个工作流,它怎么知道该走哪条?这正是 agent 的智能所在。只要清晰描述每个工作流的能力,agent 就能根据用户意图自动选择合适流程。当然,你也可以在 agent 的 prompt 中进行限定。
你在工作中肯定也经常排查业务问题,试着看看是否有排查 SOP,有的话,能不能将其自动化。
二:开国路测问题自动路由上报助手
这种国际化业务开疆拓土就要开国,而不同国家的业务逻辑,呈现风格等不太一样,所以每次开城都会进行路测,也就是人工测试外卖下单、配送等全流程,查找问题。
之前的流程是在在一个大群里反馈问题,由专人整理至多维表格,并人工分派给研发排查,整个流程效率非常低。
我们把问题上报和路由研发的整个流程做成了自动化。只需在群里@机器人并描述问题(可附截图),助手就能自动识别用户意图,创建 TT 工单并路由至对应研发组。
核心思路是利用两套映射配置:
一套为{hashtag:问题描述的映射};
另一套为{hashtag:TT 工单承接组信息}。
模型先根据用户反馈匹配最相关的问题描述 hashtag(类似倒排索引),再用该 hashtag 查找对应的工单接收组(正排索引),并调用接口创建 TT。
该助手已支持 GCC 开卡塔尔、科威特、阿联酋、巴西等市场,反馈非常好。这个工具,可能不太好借鉴,可以想想。
三:告警智能分析助手
这个是最近一个月我在 AIOps 上的探索的小成果,如果直接从 AIOps 整体入手,难度较高,因此我选择从告警分析这一具体场景切入。
告警分析依赖于告警触发源及多类数据支撑。我的方案是消费 AC 告警 MQ 消息作为触发源。由于该 MQ 包含全公司告警信息,消息量极大,因此需要按服务、告警来源和级别等条件逐层过滤,最终筛选出目标服务的告警并落库。
随后,定时任务会扫描最近一段时间内的告警信息,启动分析流程。
整体实现关键仍在于数据整合——包括业务指标、变更信息(服务、配置、上下游)、系统指标(CPU、内存等)以及中间件数据(MQ、Redis、DB等)。
我通过 agent 挂载 mcp tool,并对接已有的其他数据 agent,避免重复造轮子。最后由整合 agent 汇总结果,过滤无关信息,将可读性强的分析报告推送至大象群。
因为公司政策限制,暂不便展示截图或更多细节,但整体思路并不复杂——关键是拿到数据,并让 AI 帮你分析。
后面还会进行迭代和其他方向的探索,到时候再与你分享。